Прикладная статистика

РОССИЙСКАЯ ФЕДЕРАЦИЯ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

«УТВЕРЖДАЮ»:

Проректор по учебной работе

_______________________ ВОЛОСНИКОВА Л. М.

«_____» ________________ 2013 г.

Прикладная статистика

Учебно-методический комплекс. Рабочая программа для студентов специальности 080508.65 «Информационный менеджмент»,

очная форма обучения

«ПОДГОТОВЛЕНО К ИЗДАНИЮ»:

Автор работы:

___________________ ,

«___» ______________ 2013 г.

Рассмотрено на заседании кафедры менеджмента, маркетинга и логистики
«____» _________ 2013 г., протокол №___. Соответствует требованиям к содержанию, структуре и оформлению.

«РЕКОМЕНДОВАНО К ЭЛЕКТРОННОМУ ИЗДАНИЮ»:

Объем 37 стр.

Зав. кафедрой ______________ ВОРОНИН А. В.

«___» __________ 2013 г.

Рассмотрено на заседании УМК Финансово-экономического института
«____» _________ 2013 г., протокол № ____.

Соответствует ГОС ВПО и учебному плану образовательной программы.

«СОГЛАСОВАНО»:

Председатель УМК ________________________ КОРЧЕМКИНА Е. С.

«_____» _____________ 2013 г.

«СОГЛАСОВАНО»:

И. о. директора Информационно-библиотечного центра __________ УЛЬЯНОВА Е. А..

«_____» _____________ 2013 г.

«СОГЛАСОВАНО»:

Зав. методическим отделом УМУ_____________ ФАРАФОНОВА И. Ю.

«_____» _____________ 2013 г.

РОССИЙСКАЯ ФЕДЕРАЦИЯ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Финансово-экономический институт

Кафедра менеджмента, маркетинга и логистики

РОМАШКИНА Г. Ф., ТАРАСОВА А. Н.

ПРИКЛАДНАЯ СТАТИСТИКА

Учебно-методический комплекс. Рабочая программа

для студентов специальности 080508.65 «Информационный менеджмент», очная форма обучения

Тюменский государственный университет

2013

, Тарасова статистика. Учебно-методический комплекс. Рабочая программа для студентов специальности 080508.65 «Информационный менеджмент», очная форма обучения. Тюмень, 2013, 37 стр.

Рабочая программа курса «Прикладная статистика» соответствует учебному плану специальности «Информационный менеджмент» по циклу естественно-научных дисциплин, курс по выбору. Содержит цели и задачи курса, тематический план, вопросы к экзамену, примерные темы контрольных работ, рекомендуемую литературу.

Рабочая программа дисциплины опубликована на сайте ТюмГУ: Прикладная статистика [электронный ресурс] / Режим доступа: http://www. umk. *****., свободный.

Рекомендовано к изданию кафедрой менеджмента, маркетинга и логистики. Одобрено Учебно-методической комиссией Финансово-экономического института Тюменского государственного университета.

Утверждено проректором по учебной работе Тюменского государственного университета.

ОТВЕТСТВЕННЫЙ РЕДАКТОР: , заведующий кафедрой менеджмента, маркетинга и логистики, д-р экономических наук, профессор

© Тюменский государственный университет, 2013.

© , , 2013.

1. ВВЕДЕНИЕ

Цель курса заключается в представлении студентам фундаментальных понятий и теоретических прикладной статистики а также обучении практическим навыкам статистических вычислений в экономике. Курс посвящен основным методам современной прикладной статистики. Рассмотрен вероятностно-статистический фундамент прикладной статистики.

В результате изучения данного курса студенты получат представление об описании данных, оценивании, проверке гипотез, методах статистического анализа числовых величин, многомерного статистического анализа, временных рядов, статистики нечисловых и интервальных данных. Обсуждается методология прикладной статистики, ее современное состояние и перспективы развития

Изложение соответствует рекомендациям Российской академии статистических методов.

Текущий и итоговый контроль осуществляется посредством выполнения домашних заданий, тестов, контрольной работы или реферата, зачета.

2. ТЕМАТИЧЕСКИЙ План КУРСА

№ п/п	НАЗВАНИЕ ТЕМЫ	Лекции (час.)	Семинары (час.)	Сам. работа	Всего	Итоговый балл
МОДУЛЬ 1.
1.	Основные теоретические положения.	2	2	2	6	0-5
2.	Основные проблемы прикладной статистики.	2	2	2	6	0-6
3.	Классификация данных. Описание данных.	2	2	3	7	0-6
4.	Корреляции. Меры связанности.	4	2	2	8	0-7
5.	Коэффициенты связи для номинальных переменных.	4	2	2	8	0-8
6.	Классификация при наличии обучающих выборок (дискриминантный анализ).	4	2	2	8	0-8
	Итого по модулю 1.	18	12	13	43	0-40
МОДУЛЬ 2.
7.	Классификация без обучения, непараметрический случай. Кластер-анализ.	2	4	3	9	0-8
8.	Дисперсионный анализ.	2	4	3	9	0-10
9.	Метод главных компонент.	4	4	2	10	0-10
10	Факторный анализ	4	4	2	10	0-11
11	Анализ уравнения регрессии.	4	4	2	10	0-11
12	Анализ временных рядов. Подбор модели и прогнозирование.	2	4	3	9	0-10
	Итого по модулю 2.	18	24	15	57	0-60
	ИТОГО	36	36	28	100	0-100
Всего 100 часов, 5 семестр, итоговая аттестация - зачет, контрольная работа

3. БАЛЬНО-РЕЙТИНГОВАЯ СИСТЕМА ОЦЕНКИ ЗНАНИЙ СТУДЕНТОВ ПО ДИСЦИПЛИНЕ

В соответствии с положением о рейтинговой системе, установлен перечень обязательных видов работы студента по дисциплине и определено количество баллов по каждому виду работ.

Посещение лекции (с обязательным наличием конспекта) – 1 балл/час. Посещаемость семинарского занятия оценивается в 1 балл, которые не включены в 100 баллов и являются дополнительными.

Устные ответы на семинарском занятии оцениваются в 2 балла. Письменные самостоятельные работы до 5 баллов.

В течение семестра студент должен подготовить контрольную работу (или реферат) и выступить с докладом по курсу «Прикладная статистика» (перечень предлагаемых примерных тем прилагается в УМК). Защита докладов осуществляется в течение семестра: доклад, выступление, наличие презентации и ответы на вопросы оцениваются суммарно до 10 баллов.

В ноябре (по завершению 1 модуля) проводится контрольная работа по всем ранее пройденным темам курса для закрепления знаний по предмету – 5 баллов.

В конце декабря осуществляется итоговая контрольная работа по всем пройденным темам курса – 10 баллов.

Итого студенты набирают 100 баллов.

Положение о рейтинговой системе предусматривает деление семестровой дисциплины на два модуля, которые выделены в соответствии с графиком контрольных недель. Оценка работы студентов в рейтинговых баллах по формам текущего контроля представлена в таблице ниже.

Данная система оценки студентов предусматривает начисление премиальных и штрафных баллов.

Премиальные баллы начисляются за выступление на научной конференции (10 баллов), подготовку публикации в сборник статей (10 баллов), выступление с оригинальным докладом (1-5 баллов дополнительно), выполнение оригинальной исследовательской работы (дополнительно 1-5 баллов), активную работу на семинарах (до 5 баллов за семестр).

«Штрафные» баллы: начисляются за пропуски занятий без уважительной причины – 1 балл; за несоблюдение сроков сдачи различных видов работ (контрольных, письменных заданий и т. д.) – до 5 баллов за каждый вид работы.

Итоговой аттестацией по курсу «Прикладная статистика» для специальности «Информационный менеджмент» является зачет. Шкала перевода баллов в оценки:

- от 0 до 60 баллов – «незачтено»,

- от 61 до 100 баллов – «зачтено».

Таблица 2.

Оценка работы студентов в рейтинговых баллах (по формам текущего контроля)

№ п/п	НАЗВАНИЕ ТЕМЫ	Работа на сем.	Выполнение практич-х заданий	Доклады, презентациии	Контрольная работа	Итоговый балл
МОДУЛЬ I.
1.	Основные теоретические положения.	0-2	0-3			0-5
2.	Основные проблемы прикладной статистики.	0-2	0-3		0-1	0-6
3.	Классификация данных. Описание данных.	0-2	0-3		0-1	0-6
4.	Корреляции. Меры связанности.	0-2	0-3	0-1	0-1	0-7
5.	Коэффициенты связи для номинальных переменных.	0-2	0-3	0-2	0-1	0-8
6.	Классификация при наличии обучающих выборок (дискриминантный анализ).	0-2	0-3	0-2	0-1	0-8
	Итого по модулю 1	0-12	0-18	0-5	0-5	0-40
МОДУЛЬ II.
7.	Классификация без обучения, непараметрический случай. Кластер-анализ.	0-2	0-5		0-1	0-8
8.	Дисперсионный анализ.	0-2	0-5	0-1	0-2	0-10
9.	Метод главных компонент.	0-2	0-5	0-1	0-2	0-10
10.	Факторный анализ	0-2	0-6	0-1	0-2	0-11
11.	Анализ уравнения регрессии.	0-2	0-6	0-1	0-2	0-11
12.	Анализ временных рядов. Подбор модели и прогнозирование.	0-2	0-6	0-1	0-1	0-10
	Итого по модулю 2	0-12	0-33	0-5	0-10	0-60
	ИТОГО	0-24	0-51	0-10	0-15	0-100

Таблица 3.

Планирование самостоятельной работы студентов очной формы обучения

№	Модули и темы	Виды СРС	Неделя семестра	Объем часов	Кол-во баллов
обязательные	дополнительные
Модуль 1
1	Основные теоретические положения.	Выполнение практического задания, изучение литературы по теме	Подбор и изучение дополнительных литературных источников, индивидуальные задания	1	2	0-5
2	Основные проблемы прикладной статистики.	Выполнение практического задания, изучение литературы по теме	Подбор и изучение дополнительных литературных источников, индивидуальные задания	2	2	0-6
3	Классификация данных. Описание данных.	Выполнение практического задания, изучение литературы по теме,	Подбор и изучение дополнительных литературных источников, индивидуальные задания.	3	3	0-6
4	Корреляции. Меры связанности.	Выполнение практического задания, изучение литературы по теме, подготовка отчета по корреляционному анализу	Подбор и изучение дополнительных литературных источников, индивидуальные задания, подготовка презентации к отчету	4-5	2	0-7
5	Коэффициенты связи для номинальных переменных.	Выполнение практического задания, изучение литературы по теме, подготовка к контрольной работе	Подбор и изучение дополнительных литературных источников, индивидуальные задания	6-7	2	0-8
6	Классификация при наличии обучающих выборок (дискриминантный анализ).	Выполнение практического задания, изучение литературы по теме, выполнение контрольной работы	Подбор и изучение дополнительных литературных источников, индивидуальные задания	8-9	2	0-8
	Всего по модулю 1:		36	0-40
Модуль 2
7	Классификация без обучения, непараметрический случай. Кластер-анализ.	Выполнение практического задания, изучение литературы по теме, подготовка отчета по кластерному анализу	Подбор и изучение дополнительных литературных источников, индивидуальные задания, подготовка презентации к отчету	10	3	0-8
8	Дисперсионный анализ.	Выполнение практического задания, изучение литературы по теме	Подбор и изучение дополнительных литературных источников, индивидуальные задания.	11	3	0-10
9	Метод главных компонент.	Выполнение практического задания, изучение литературы по теме.	Подбор и изучение дополнительных литературных источников, индивидуальные задания	12-13	2	0-10
10	Факторный анализ	Выполнение практического задания, изучение литературы по теме, подготовка отчета по факторному анализу	Подбор и изучение дополнительных литературных источников, индивидуальные задания	14-15	2	0-11

11	Анализ уравнения регрессии.	Выполнение практического задания, изучение литературы по теме, подготовка к контрольной работе	Подбор и изучение дополнительных литературных источников, индивидуальные задания	16-17	2	0-11
12	Анализ временных рядов. Подбор модели и прогнозирование.	Выполнение практического задания, изучение литературы по теме, подготовка доклада и презентации к защите контрольной работы	Подбор и изучение дополнительных литературных источников, индивидуальные задания.	18	3	0-10
	Всего по модулю 2:	15	0-60
	ИТОГО:	28	0-100

4. СОДЕРЖАНИЕ УЧЕБНЫХ ТЕМ

ТЕМА 1. Основные теоретические положения.

Различные виды статистических данных. Количественные и категоризованные данные. Основные шкалы измерения. Нечисловые данные. Нечеткие множества – частный случай нечисловых данных. Данные и расстояния в пространствах произвольной природы. Аксиоматическое введение расстояний. Основы вероятностно-статистических методов описания неопределенностей в прикладной статистике. Статистическая устойчивость как основное условие применение вероятно-статистических методов. Этапы прикладного исследования.

ТЕМА 2. Основные проблемы прикладной статистики.

Законы больших чисел. Центральные предельные теоремы. Теоремы о наследовании сходимости. Метод линеаризации. Принцип инвариантности. Нечеткие множества как проекции случайных множеств. Устойчивость выводов и принцип уравнивания погрешностей. Описание данных, оценивание и проверка гипотез. Некоторые типовые задачи прикладной статистики и методы их решения.

ТЕМА 3. Классификация данных. Статистический анализ числовых величин.

Модели порождения данных. Таблицы и выборочные характеристики. Шкалы измерения, инвариантные алгоритмы и средние величины. Вероятностные модели порождения нечисловых данных. Средние. Непараметрические оценки плотности. Методы оценивания параметров. Одношаговые оценки. Асимптотика решений экстремальных статистических задач. Робастность статистических процедур.

Метод моментов проверки гипотез. Неустойчивость параметрических методов отбраковки выбросов. Предельная теория непараметрических критериев. Метод проверки гипотез по совокупности малых выборок. Проблема множественных проверок статистических гипотез.

Статистический анализ числовых величин.

ТЕМА 4. Корреляции. Меры связанности.

Коэффициент корреляции. Общие понятия и определения Понятие корреляции. Количественные критерии оценки тесноты связи. Значимость результатов или статистическая достоверность Меры связанности для переменных с порядковой шкалой. Ранговые шкалы.. коэффициент ранговой корреляции Спирмена или Кендала. Коэффициент конкордации оценивает согласованность ранжировок всей выборочной совокупности.

ТЕМА 5. Коэффициенты связи для номинальных переменных.

Меры связанности для переменных с номинальной шкалой. Коэффициент сопряженности Пирсона. Коэффициент Крамера (V). Критерий Фишера. Коэффициент Юла. Тау (г) Гудмена-Крускала. Коэффициент неопределенности.

ТЕМА 6. Классификация при наличии обучающих выборок (дискриминантный анализ).

Дискриминантный анализ позволяет предсказать принадлежность объектов к двум или более непересекающимся группам. Задачами дискриминантного анализа является определение: решающих правил, позволяющих по значениям дискриминантных переменных (предикторов) отнести каждый объект (в том числе и «неизвестный») к одной из известных групп; «веса» каждой дискриминантной переменной для разделения объектов на группы. Ядром дискриминантного анализа является построение так называемой дискриминантной функции. Классификации. Вывод групп и статистик.

ТЕМА 7. Классификация без обучения, непараметрический случай. Кластер-анализ.

Методы многомерного анализа – наиболее действенный количественный инструмент исследования социально-экономических процессов, описываемых большим числом характеристик. К ним относятся кластерный анализ, таксономия, распознавание образов, факторный анализ.

Кластерный анализ наиболее ярко отражает черты многомерного анализа в классификации, факторный анализ – в исследовании связи. Этапы кластерного анализа. Выбор переменных-критериев для кластеризации. Выбор способа измерения расстояния между объектами, или кластерами. Формирование кластеров.

ТЕМА 8. Дисперсионный анализ.

Применение t-критерия. T-критерий для независимых выборок. T-критерий для зависимых выборок. T-критерий для одной выборки. Пошаговый алгоритм вычисления. Тестовая величина U, определенная с помощью теста Манна и Уитни. Наименьшее значение из обеих ранговых сумм (W-тест Уилкоксона) тестовая величина Z, определенная по тесту Колмогорова-Смирнова. Тест Мозеса (Moses).

ТЕМА 9. Метод главных компонент.

Метод главных компонент, который основан на предположении, что исследуемые обобщенные факторы независимы между собой. Геометрическое описание метода главных компонент. Основные гипотезы и основания применения метода главных компонент. Извлечение. Вращение. Классификация. Интерпретация. Алгоритм. Программная реализация.

ТЕМА 10. Факторный анализ.

Модели факторного анализа. Основные гипотезы и основания применения методов и алгоритмов факторного анализа. Равенства Тэрстоуна. Ограничения факторного анализа. Алгоритм факторного анализа. Maximum likehood (Метод максимального правдоподобия). Principal-axis factoring (Метод главных факторов). Alpha-factoring (Альфа-факторный анализ). Image factoring (Факторный анализ образов). Вывод результатов факторного анализа.

ТЕМА 11. Анализ уравнения регрессии.

Задачами регрессионного анализа являются установление формы зависимости между признаками, оценка функции регрессии, оценка неизвестных значений (прогноз значений) зависимого признака. В регрессионном анализе рассматривается односторонняя зависимость случайного зависимого признака Y от одного (или нескольких) неслучайных независимых признаков X, называемых часто объясняющими переменными. Простой анализ (один независимый признак). Множественный анализ (несколько независимых признаков).

ТЕМА 12. Анализ временных рядов. Подбор модели и прогнозирование.

Многомерная регрессия. Логистическая регрессия. Пробит-анализ. Метод нелинейной регрессии. Мультиколлинеарность и методы ее устранения. Прогнозирование на основе регрессии. Эконометрический подход. Поэтапный метод построения модели.

5. ПЛАНЫ СЕМИНАРСКИХ ЗАНЯТИЙ

ТЕМА 1. Основные теоретические положения.

1. Виды статистических данных и шкалы измерения.

2. Основы вероятностно-статистических методов описания неопределенностей в прикладной статистике.

Выполнение практических заданий.

ТЕМА 2. Основные проблемы прикладной статистики.

1. Устойчивость выводов и принцип уравнивания погрешностей.

2. Описание данных, оценивание и проверка гипотез.

3. Типовые задачи прикладной статистики и методы их решения.

Выполнение практических заданий.

ТЕМА 3. Классификация данных. Статистический анализ числовых величин.

1. Модели порождения данных.

2. Методы оценивания параметров.

3. Статистический анализ числовых величин.

Выполнение практических заданий2

ТЕМА 4. Корреляции. Меры связанности.

1. Понятие и сущность корреляции, роль корреляционного анализа в статистическом исследовании

2. Корреляционный анализ порядковых (ординальных) переменных: ранговая корреляция.

3. Корреляционный анализ категоризованных переменных: таблицы сопряженности.

4. Проверка значимости коэффициентов

5. Корреляционный анализ количественных признаков.

Выполнение практических заданий.

ТЕМА 5. Коэффициенты связи для номинальных переменных.

1. Основные понятия статистического исследования зависимостей

2. Обзор математического инструментария исследования зависимостей

3. Исследование связи для номинальных переменных

Выполнение практических заданий.

ТЕМА 6. Классификация при наличии обучающих выборок (дискриминантный анализ).

1. Сущность, типологизация и прикладная направленность задач классификации объектов

2. Сущность дискриминантного анализа, его задачи

3. Функции потерь и вероятности неправильной классификации.

Выполнение практических заданий.

Контрольная работа по всем ранее пройденным темам курса (включает теоретические вопросы и задачи).

ТЕМА 7. Классификация без обучения, непараметрический случай. Кластер-анализ.

1. Задачи классификации данных

2. Условия применения и ограничения кластерного анализа

3. Выбор переменных-критериев и способа измерения расстояния между объектами для кластеризации

4. Иерархический кластерный анализ

5. Кластерный анализ методом К-средних

6. Двухэтапный кластер-анализ

7. Дискриминантный анализ

Выполнение практических заданий.

ТЕМА 8. Дисперсионный анализ.

1. Сущность дисперсионного анализа, его роль при анализе социологических данных

2. Однофакторный дисперсионный анализ

3. Многофакторный дисперсионный анализ (MANOVA)

Выполнение практических заданий.

ТЕМА 7. Метод главных компонент.

1. Сущность, типологизация и прикладная направленность задач снижения размерности.

2. Сущность метода главных компонент

Выполнение практических заданий.

ТЕМА 10. Факторный анализ.

1. Сущность модели факторного анализа.

2. Алгоритмы и ограничения факторного анализа.

3. Вывод результатов факторного анализа.

Выполнение практических заданий.

ТЕМА 11. Анализ уравнения регрессии.

1. Задачи регрессионного анализа

2. Выбор общего вида функции регрессии.

3. Простой анализ (один независимый признак).

4. Множественный анализ (несколько независимых признаков).

Выполнение практических заданий.

ТЕМА 12. Анализ временных рядов. Подбор модели и прогнозирование.

1. Изменение социально-экономических явлений во времени: временные ряды

2. Временной ряд и его компоненты

3. Прогнозирование на основе регрессии.

Выполнение практических заданий.

Выполнение итоговой контрольной работы (включает теоретические вопросы и задачи).

6. ТЕМЫ КОНТРОЛЬНЫХ РАБОТ (РЕФЕРАТОВ)

1. Нечисловые данные.

2. Нечеткие множества как проекции случайных множеств.

3. Типовые задачи прикладной статистики и методы их решения.

4. Проблемы построения выборочных совокупностей.

5. Интеллектуальный анализ данных и извлечение знаний из данных (Knowledge Discovery in Databases, KDD).

6. Классификация методов анализа данных.

7. Методики обнаружения нового знания в хранилищах данных (KDD).

8. Природа задач таксономии.

9. Алгоритмы таксономии класса FOREL.

10. Иерархическая таксономия.

11. Динамическая таксономия.

12. Регрессионные методы интеллектуального анализа данных и их отличия от статистических.

13. Эволюционное программирование.

14. Временные последовательности и особенности их обработки.

15. Нейронные сети.

16. Метод ближайших соседей.

17. Генетические алгоритмы.

18. Классификация на основе нечеткой логики.

19. Характеристика подходов, основанных на теории нечетких множеств.

20. Дерево решений, леса решений.

21. Критерии эффективности применения методов интеллектуального анализа данных.

22. Практическая реализация методов интеллектуального анализа данных с применением программного пакета SPSS.

7. ВОПРОСЫ К ЗАЧЕТУ

1. Различные виды статистических данных.

2. Основные шкалы измерения.

3. Данные и расстояния в пространствах произвольной природы.

4. Статистическая устойчивость как основное условие применение вероятно-статистических методов.

5. Этапы прикладного исследования.

6. Законы больших чисел.

7. Принцип инвариантности.

8. Описание данных, оценивание и проверка гипотез.

9. Классификация данных. Статистический анализ числовых величин.

10. Корреляции. Меры связанности.

11. Коэффициенты связи для номинальных переменных.

12. Классификация при наличии обучающих выборок (дискриминантный анализ).

13. Классификация без обучения, непараметрический случай. Кластер-анализ.

14. Дисперсионный анализ.

15. Метод главных компонент.

16. Факторный анализ.

17. Анализ уравнения регрессии.

18. Анализ временных рядов. Подбор модели и прогнозирование.

8. Список литературы

Основная литература:

1.   Теория статистики: учеб. пособие/ , ; Тюм. гос. ун-т. - 3-е изд.. - Тюмень: Изд-во ТюмГУ, 2010.

2.  Прикладная статистика: учеб. пособие для студ. вузов. - Москва: Дашков и К°, 2009.

Дополнительная литература:

1. Теория статистики: практикум/ . - 4-е изд., перераб. и доп.. - Москва: Инфра-М, 2008, 2009.

2. Балдин К. В. Основы теории вероятностей и математической статистики [Электронный ресурс] : учебник / К. В. Балдин, В. Н. Башлыков, А. В. Рокосуев. - М.: Флинта, 20с. 03Режим доступа: http://*****/index. php? page=book&id=79333

3. . Статистика: учеб. пособие для студ. вузов, обуч. по экон. спец./ , . - 2-е изд., перераб. и доп.. - Москва: ЮНИТИ, 2008.

4. SPSS Base 15.0. Руководство пользователя SPSS. - М.: СПСС РУСЬ. 2007.

5. , , Мешалкин статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.

6. А. Экономико-математические методы: учеб. для студентов вузов / , . - Москва: Академия, 2010.

7. Белотелов . Математическое моделирование. Гуманитарный анализ: исслед. ист., воен., соц.-эконом. и полит. процессов/ , , . - Москва: Либроком, 2009.

8. Статистика: учеб. для студентов вузов, обуч. по напр. подготовки и спец. "Статистика" и др. эконом. спец. и напр./ . - 9-е изд., перераб. и испр.. - Москва: Дашков и К, 2011.

9. Практикум по общей теории статистики: учеб. пособие по спец. "Менеджмент организации", "Гос. и муниц. управление", "Маркетинг", "Управление персоналом"/ , , . - 3-е изд., перераб. и доп.. - Москва: Финансы и статистика, 2009.

10. Прикладная статистика: учеб. пособие для студ. вузов. - Москва: Дашков и К°, 2009, 2010.

11. Программные статистические комплексы: учебное пособие для студентов вузов, обучающихся по специальности "Стандартизация и сертификация"/ . - Москва: Академия, 2011.

12. Статистика: учеб. для бакалавров, обуч. по спец. "Статистика" и др. эконом. спец./ ред. . - Москва: Дашков и К: Наука-Спектр, 2011.

13. Статистика: учебник/ ред. . - Санкт-Петербург: Питер, 2011.

14. Теория статистики: учеб. для студ. эконом. спец. вузов/ ред. . - 5-е изд. - Москва: Финансы и статистика, 2009.

15. А. Практикум по теории статистики: учеб. пособие для студ. эконом. спец. вузов/ , , . - 3-е изд.. - Москва: Финансы и статистика, 2009.

16. Экономико-математические методы и модели: задачник / ред. С. И. Макаров, . - 2-е изд., перераб.. - Москва: КноРус, 2009.

Интернет-ресурсы

1. http://www. *****/ - Сайт содержащий интерактивный учебник по SPSS, а также форум, коллекцию ссылок и другие полезные сведения по SPSS

2. http://www. ***** - Сайт посвященный программе Statistica, а также использованным в этой программе математическим методам.

3. http://.spss.com - сайт разработчика программы SPSS.